ValueError:当使用sklearn时，输入包含NaN、无穷大或dtype('float64')太大的值。
ValueError:当使用sklearn时，输入包含NaN、无穷大或dtype('float64')太大的值。
提问于 2022-07-31 16:29:20
我使用IterativeImputer (from sklearn.impute import IterativeImputer)处理一个小的(42* 7)规范化(mean=0，方差= 1) numpy数据，其中包括缺失的值。当我对此数据激活IterativeImputer命令fit时，会收到以下警告(多次)：
RuntimeWarning: overflow encountered in square eigen_vals_ = S ** 2
RuntimeWarning: invalid value encountered in true_divide
gamma_ = np.sum((alpha_ * eigen_vals_) /
RuntimeWarning: overflow encountered in matmul
ret = a @ b最后，我得到了以下错误：
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').如果我将max_iter值(从4000更改为100)，则不会出现警告和错误，但这不是一个好的解决方案。
这些警告和错误的原因是什么，以及如何修复？
数据的代码和PrintScreen附后如下：
import numpy as np
import pandas as pd
x= pd.read_csv("small datasets/check_31_7.csv", header= None)
z= x.to_numpy()
from sklearn.experimental import enable_iterative_imputer
from sklearn.impute import IterativeImputer
from numpy import isnan
miss_mean_imputer = IterativeImputer(missing_values=np.nan, max_iter= 4000)
miss_mean_imputer = miss_mean_imputer.fit(z)
imputed_data = miss_mean_imputer.transform(z)
print("")数据(第41行没有出现在图片中)：
Stack Overflow用户
回答已采纳
发布于 2022-08-03 04:59:38
IterativeImputer根据回归模型填充缺失的值。我假设，由于您正在进行大量的迭代并得到溢出错误，所以在每次迭代之后，丢失的值都在增长，直到达到无穷大为止。
一种解决方案是在每次迭代后设置一个min或最大值，至少停止警告和错误，从而完成一些后处理。这只是通过提供一个min_value和max_value参数来完成，如下所示：
miss_mean_imputer = IterativeImputer(missing_values=np.nan, max_iter= 4000, min_value=-3, max_value=3)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/73185027
复制相关文章
相似问题
腾讯云开发者
